一种基于物理知识的解耦专家系统，通过时空频率融合技术实现随机轨迹预测

《Expert Systems with Applications》：A decoupled physics-informed expert system for stochastic trajectory prediction via spatio-temporal-frequency fusion

　　

罗新瑞|齐文豪|沈凯|邓志宏|吴家通

摘要

复杂动态系统的建模与预测是众多工程应用的基础，包括航空航天引导、自主导航和机器人技术。然而，从业者面临着一个持续存在的问题：如何在确定性的物理知识与受到多尺度非高斯传感器噪声和环境干扰影响的轨迹及测量数据之间找到平衡。为了解决这些问题，我们提出了一种基于架构分离和分层融合的解耦式物理信息专家系统。该框架将确定性的物理轨迹生成与随机偏差建模进行了结构上的分离。具体而言，物理信息轨迹生成网络（PITGN）利用速度级别的PINN约束建立了一个物理上一致的基准轨迹；而随机时频动力学网络（STFD-Net）通过结合可学习的谱小波注意力（LSWA）机制和神经随机微分方程（Neural SDE）解码器，对偏差进行建模，从而将基准轨迹映射到受干扰的轨迹上。在具有高保真度的7自由度航空数据集上的广泛实验表明，我们的系统平均绝对误差仅为5.05米，显著优于传统滤波器和标准深度学习方法。该模块化架构的推理延迟为25毫秒，显示出在实际应用中的潜力，并为在不确定导航条件下的实时轨迹预测提供了一个结构化的框架。